一、引子

最近在实验室优化基于 EPICS 协议的 Python 控制程序，其中，硅漂移探测器设备（silicon drifting detector, SDD）需要实时采集数据并图形化显示测试曲线。因此，在控制程序中使用到了 Matplotlib，以下代码片段为模拟实验数据采集过程，图1（a）为模拟实验数据采集显示效果。
for 循环结合 plt.ion() 和 plt.pause(0.1) 的用法已有很多教程谈及，此处不做详细介绍。

import time
import random
import numpy as np
import matplotlib.pyplot as pltdef tic():global T0T0 = time.time()def toc():return time.time()-T0x, y = np.array([]), np.array([])
plt.ion() #打开交互模式：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.ion.html
fig, ax = plt.subplots(1, 1)
tic()for idx in range(100): #采集 100 个数据点time.sleep(1) #探测器单点采集时间为 1 秒x = np.append(x, idx) #将采集到的数据点横坐标写入 x 数组y = np.append(y, random.random()) #将采集到的数据点横坐标写入 y 数组ax.plot(x, y, 'o-', c='b') #画图plt.pause(0.1) #运行GUI事件循环 0.1 秒：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.pause.htmlprint(f'\nSpent {round(toc(),5)} seconds.')

图1.（a）模拟实验数据采集显示效果图。（b）多次运行时间结果图。
如图1（b）所示，运行以上代码片段多次，总时间大致为 114s，因而可暂时简单理解为其中 time.sleep(1) * 100 = 100s，plt.pause(0.1) * 100 ≈ 10s，110s ≈ 114s。循环中其余代码部分所占用时间几乎可忽略。

二、问题

 改变 plt.pause(interval) 中 interval 分别为 0.01，0.1，1。结果 0.01 与 0.1 差别极小。（图2（a））当不断增加 for 循环次数时，将出现严重的时间延迟现象。（图2（b））

图2.（a）interval=0.01, 0.1, 1 各自对应 20 次测试所用时间结果。（b）interval=0.01s 时 100, 200, 300, 400, 500 次循环各自所用时间，非线性关系，呈抛物曲线逐渐上升趋势。

三、测试分析

参考源代码 pyplot.py 文件中函数 def pause(interval):，考虑先将引子代码片段中 plt.pause(0.1) 替换为源码，同时增加 for 循环至 1000 次，并在各部分加入计时，用于判断：

 plt.pause(0.01) 真的占时 0.01s 吗？延迟是由哪一步导致的？

import time
import random
import numpy as np
from matplotlib import _pylab_helpers
from matplotlib.pyplot import show
import matplotlib.pyplot as pltdef tic():global T0T0 = time.time()def toc():return time.time()-T0x, y = np.array([]), np.array([])
plt.ion()
fig, ax = plt.subplots(1, 1)
tic()
fid = open('data.txt', 'w') #写入计时数据，用于绘图分析for idx in range(1000):time.sleep(1)x = np.append(x, idx)y = np.append(y, random.random())  ax.plot(x, y, 'o-', c='b')#以下为 plt.pause() 替换源码部分，并加入计时fid.write(f'\nt0={round(toc(),5)}s\t')manager = _pylab_helpers.Gcf.get_active()if manager is not None:canvas = manager.canvasif canvas.figure.stale:fid.write(f't1={round(toc(),5)}s\t')canvas.draw_idle()fid.write(f't2={round(toc(),5)}s\t')show(block=False)fid.write(f't3={round(toc(),5)}s\t')canvas.start_event_loop(0.01)fid.write(f't4={round(toc(),5)}s\t')else:time.sleep(0.01)fid.flush()print(f'\nSpent {round(toc(),5)} seconds.')

图3.（a）以上代码片段中源码部分各行所用时间，例如 t4-t3 即为第 37 行 canvas.start_event_loop(0.01) 所用时间。（b）interval 分别等于0.01s 和 1s 时 start_event_loop() 所用时间。

如图3（a）所示，可以判断 plt.pause(0.01) 占时部分为第 37 行的 canvas.start_event_loop(0.01) ，且并非真实占时 0.01s。在刚开始时，实际用时约为 0.05s，然而随着 for 循环运行，该行所用时间呈抛物曲线上升趋势，至第 1000 次循环时，已占时约 10s，出现上文提及的严重延迟情况。图3（b）中 interval=1s 时，同样在第 37 行出现了延迟。因此，该测试首先找到了延迟的来源：start_event_loop()，且表明最快达不到 0.01s，下面对其进行进一步分析。
首先分析 start_event_loop()，同样参考源代码 backend_bases.py 文件中函数 def start_event_loop(self, timeout=0):：

def flush_events(self):"""Flush the GUI events for the figure.Interactive backends need to reimplement this method."""def start_event_loop(self, timeout=0):"""Start a blocking event loop.Such an event loop is used by interactive functions, such as`~.Figure.ginput` and `~.Figure.waitforbuttonpress`, to wait forevents.The event loop blocks until a callback function triggers`stop_event_loop`, or *timeout* is reached.If *timeout* is 0 or negative, never timeout.Only interactive backends need to reimplement this method and it relieson `flush_events` being properly implemented.Interactive backends should implement this in a more native way."""if timeout <= 0:timeout = np.inftimestep = 0.01counter = 0self._looping = Truewhile self._looping and counter * timestep < timeout:self.flush_events()time.sleep(timestep)counter += 1

同样源码替换并加入计时后，最终找到所有延迟占用时间均由 canvas.flush_events() 导致（此处不做详细说明展示）。此外，由该函数源代码可见，其中 timestep = 0.01，且 flush_events() 正常情况下也需要占用约 0.04s（无准确用时，由绘图情况所定）。因此，plt.pause(0.01) 与 plt.pause(0.1) 差别不明显，而 plt.pause(0.001) 等无实际意义。至此，问题归结为：

 什么是 flush_events() ？为什么 flush_event() 随着循环运行，延迟越来越长？

通过详细阅读 Matplotlib User guide Explanations 中的 Interactive figures，Event handling and picking 和 Interactive figures and asynchronous programming 等，最终解决该问题。
这主要涉及到对 GUI 事件循环的理解，Matplotlib 通过将图形嵌入 GUI 窗口来支持丰富的交互式图形，所有的GUI框架（Qt, Wx, Gtk, tk, OSX 或 web）都有一些捕获用户交互并将其传递回应用程序的方法（例如 Qt 中的 Signal / Slot 框架），但具体的细节取决于工具箱。对于每个我们支持的 GUI 工具箱，Matplotlib 都有一个相应的后端，它通过工具箱的 API 将工具箱的 UI 事件连接到 Matplotlib 的事件处理系统（Event handling system）中。简单来说，事件可理解为用户输入，其种类有很多种，比如：

Event name	Class	Description
‘button_press_event’	MouseEvent	mouse button is pressed
‘close_event’	CloseEvent	figure is closed
‘draw_event’	DrawEvent	canvas has been drawn (but screen widget not updated yet)

举个例子，我们使用的工具栏中 panning/zooming 按钮、鼠标移动时右上角显示的 x，y 坐标等都是启动了 GUI 事件循环。关于 flush_events()，用户指南指出：如果打开的窗口有挂起的 UI 事件（鼠标单击、按钮按下或绘制），可以通过调用 FigureCanvasBase.flush_events 显式地处理这些事件。这将运行 GUI 事件循环，直到当前等待的所有 UI 事件都被处理完毕。
综上，通过对 plt.pause(interval) 源代码的逐级查阅，发现对于我的应用目的，有两个关键点：canvas.draw_idle() 为 DrawEvent，从而存在挂起的 UI 事件，和 canvas.flush_events()，刷新当前图形的 GUI 事件。需要指出，canvas.draw_idle() 与 canvas.draw() 是存在区别的，其中 draw() 强制对图形进行渲染，而 draw_idle() 是计划一次渲染，在下一次 GUI 窗口准备重绘屏幕时。
为何刷新 GUI 绘图事件会如此卡顿？此时答案很显然，每一次的 ax.plot(x, y, ‘o-’, c=‘b’) 都创建了一个新的 Artist 对象（Line2D），因此当循环达到 1000 次时，刷新 GUI 绘图事件将占用极长的时间。事实上，这也是在阅读了Matplotlib User guide Explanations 后想到的，同时指南中其实就给出了对于我的应用目的的代码片段：

import time
import matplotlib.pyplot as plt
import numpy as np
plt.ion()fig, ax = plt.subplots()
th = np.linspace(0, 2*np.pi, 512)
ax.set_ylim(-1.5, 1.5)ln, = ax.plot(th, np.sin(th)) #预先创建一个 Line2D 对象，避免后期重复创建def slow_loop(N, ln):for j in range(N):time.sleep(.1)  # to simulate some workif j % 10:ln.set_ydata(np.sin(((j // 10) % 5 * th))) #刷新 ln 实例的 y 轴数值，而非再次调用 ax.plot()ln.figure.canvas.draw_idle() #画布渲染ln.figure.canvas.flush_events() #刷新 GUI 绘图事件以显示最新数据图形slow_loop(100, ln)

四、解决方案

最后，综合以上讨论测试等，给出几种方案，大同小异。图4为三种方法100, 200, 300, 400, 500 次循环各自所用时间对比。显然，结果呈线性趋势，与图2（b）的结果大相径庭。此外，测试表明方法 ②、③ 所用时间最短且接近（懒得做 error bar 了，也懒得 1000+ For loop 了，分不出究竟孰快孰慢）。需要指出，个人认为 ③ 拓展性更强，且 fig.canvas.draw_idle() 有进一步优化空间，在对绘图刷新频率有较高要求时，可深入研究优化，因此更推荐该方法。

① cla() 清除大法

import time
import random
import numpy as np
import matplotlib.pyplot as pltplt.ion()
x, y = np.array([]), np.array([])
fig, ax = plt.subplots(1, 1)for idx in range(1000):time.sleep(1)x = np.append(x, idx)y = np.append(y, random.random())ax.cla() #每次循环画图前先清空当前坐标轴，包括 Line2D 对象ax.plot(x, y, 'o-', c='b') #画图plt.pause(0.01)

② set_xdata(), set_ydata() 刷新 Line2D 对象数据大法

plt.ion()
x, y = np.arange(1,1001), np.zeros((1000,1))
fig, ax = plt.subplots(1, 1)
ln, = ax.plot(x, y, 'o-', c='b')for idx in range(1000):time.sleep(1)y[idx] = random.random()ln.set_ydata(y)ax.set_xlim(x[0]-1,x[idx])ax.set_ylim(min(y),max(y))plt.pause(0.01)

③ set data + 精简 GUI 事件循环大法

plt.ion()
x, y = np.arange(1,1001), np.zeros((1000,1))
fig, ax = plt.subplots(1, 1)
ln, = ax.plot(x, y, 'o-', c='b')for idx in range(1000):time.sleep(1)y[idx] = random.random()ln.set_ydata(y)ax.set_xlim(x[0]-1,x[idx])ax.set_ylim(min(y),max(y))fig.canvas.draw_idle()fig.canvas.flush_events()

图4. 方法 ①、②、③ 对应 100, 200, 300, 400, 500 次循环各自所用时间，呈线性关系。

Matplotlib交互模式画图动态刷新延迟等问题相关推荐

matplotlib交互模式与pycharm单独Figure设置
matplotlib交互模式与pacharm单独Figure设置 Matpotlib交互模式在运行python程序时有时候需要生成以下的动态图模式来显示程序运行的结果此时需要使用matplot ...
matplotlib交互模式
Matpotlib交互模式在运行python程序时有时候需要生成以下的动态图模式来显示程序运行的结果此时需要使用matplotlib的交互模式 ,在Ipython中时默认使用交互模式的. 在 ...
（深入理解）matplotlib的交互模式（block,interactive,ion,ioff,draw,show,plot等的区别）
文章目录 interactive,ion,ioff draw,show,plot draw show,plot 拓展 import matplotlib.pyplot as plt import nu ...
Python绘图之matplotlib基础教程：matplotlib库图表绘制中常规设置大全(交互模式、清除原有图像、设置横坐标显示文字/旋转角度、添加图例、绘图布局自动调整、图像显示、图像暂停)
Python绘图之matplotlib基础教程:matplotlib库图表绘制中常规设置大全(交互模式.清除原有图像.设置横坐标显示文字/旋转角度.添加图例.绘图布局自动调整.图像显示.图像暂停) 目 ...
python matplotlib.pyplot plt.ioff()函数（关闭交互模式用于阻塞程序，不让图片关闭）
感觉ioff()函数就是个全局设置的东东,启动它,则图形绘制到最后窗口不会关闭(检测到有新的绘制就会更新窗口内容),否则因为开启了ion()交互模式,窗口绘制完就默认关闭 def ioff():&qu ...
Ext学习-前后交互模式介绍
在前后台交互模式的介绍中,实际上就是Store中Proxy相关的内容,比如Ajax提交. 所以详细的文档请参考: Ext学习-基础概念,核心思想介绍中关于数据模型和MVC结构部分. 作者:sdjnz ...
python入门（一）：进入python的交互模式、pip的使用和数据类型
环境安装: https://www.python.org/ pycharm 社区版路径: http://www.jetbrains.com/pycharm/download/download-than ...
fdisk命令非交互模式及parted的mkpart命令第一个参数说明
fdisk命令非交互模式: 将要在fdisk命令行输入的命令写入一个文本文件,比如叫做fdisk.txt 比如创建一个100M的第一个主分区,,fdisk.txt的内容如下: n p 1 0 +100 ...
matplotlib.pyplot常用画图方式函数封装（一）——.plot绘制折线图及设置坐标轴箭头完美解决
matplotlib.pyplot常用画图方式函数封装(一)--.plot绘制折线图及设置坐标轴箭头完美解决 py.plot常见绘图设置函数封装绘制函数图像(完美解决坐标轴添加箭头) 绘制折线图 p ...

Matplotlib交互模式画图动态刷新延迟等问题